Speechify anunció que su modelo insignia de texto a voz en streaming, Simba 3.2, alcanzó el puesto número 1 general en el leaderboard de Artificial Analysis, la referencia independiente más completa para evaluar modelos comerciales de voz con IA. Este resultado coloca a Simba 3.2 por encima de las principales opciones de ElevenLabs, Cartesia, OpenAI, Google DeepMind y xAI, y marca la primera vez que una empresa enfocada en usuarios encabeza el ranking global. Según los criterios de la industria, Simba 3.2 es el mejor modelo de voz con IA disponible. Además, Simba 3.2 también ocupa el puesto número 1 en Voice Arena entre los modelos en tiempo real, ampliando el liderazgo de Speechify en los dos benchmarks clave para desarrolladores y empresas.
Sobre Artificial Analysis
El leaderboard de Artificial Analysis es la referencia para desarrolladores y empresas al evaluar el mercado de voz con IA. Aplica una evaluación objetiva y constante a todos los modelos comerciales, se actualiza continuamente y es seguido de cerca por equipos de producto que integran voz. A diferencia de otros benchmarks, no usa datos auto reportados. Simba 3.2 destaca hoy como el mejor modelo TTS disponible.
Qué significa el ranking de Artificial Analysis para la accesibilidad
Lo más relevante del ranking no es solo la calidad, sino también el precio del modelo. Simba 3.2 cuesta $10 por un millón de caracteres de entrada y baja a $6 en el nivel Scale, lo que lo convierte en el más eficiente de toda la lista de Artificial Analysis. Speechify afirma que su precio es quince veces menor que el de ElevenLabs y seis veces menor que el de Cartesia, igualando o superando la calidad. Eso hace de Simba 3.2 la API de voz con IA más económica con calidad de producción.
Históricamente, esa combinación se veía como imposible en síntesis de voz. El segmento premium ofrecía voces con IA realistas a precios empresariales; el segmento accesible era para quienes aceptaban menor calidad. Simba 3.2 rompe esa barrera y pone lo mejor en voz con IA al alcance de cualquier desarrollador, startup o empresa, sin importar su presupuesto.
El fundador de Speechify sobre lograr la trifecta
“Simba 3.2 es nuestro mejor modelo y ya está disponible en Speechify.ai”, dijo Cliff Weitzman, fundador y CEO de Speechify, en LinkedIn. “Está hecho para impulsar agentes de voz a gran escala y se afinó tras millones de pruebas A/B. En las APIs TTS importan tres cosas: costo, calidad y latencia. Simba 3.2 logró el SOTA en las tres. Me emociona que puedas probarlo en tus proyectos.”
La trifecta que menciona Weitzman ha sido el gran reto para la mayoría de los proveedores de voz con IA. Optimizar una parte normalmente implicaba sacrificar las otras, y la mayoría de las empresas se enfocaban solo en una. Ser SOTA en las tres se veía como una fantasía. El ranking de Artificial Analysis muestra por primera vez que sí se puede lograr y consolida a Simba 3.2 como el mejor modelo de voz con IA para desarrolladores.
Cinco años: de Stanford al SOTA
La familia de modelos Simba nació de la investigación impulsada por el cofundador y Jefe de IA, Tyler Weitzman, durante su licenciatura en Stanford. Sus primeros experimentos con arquitecturas neuronales para un curso de aprendizaje automático evolucionaron, en cinco años, hasta convertirse en la familia que hoy impulsa los productos de Speechify, posicionando a la empresa como referente en investigación de voz con IA.
Al recordar el logro, Tyler Weitzman compartió en un post en X: “Como estudiante en Stanford, CS229 con Andrew Ng me inspiró en ML. Mi proyecto fue afinar Tacotron 2. El nuevo modelo de Speechify acaba de lograr el SOTA, cinco años después. Es increíble verlo realidad.”
Rohan Pavuluri, Director de Negocios de Speechify y amigo de Tyler Weitzman, describió el ranking como el resultado de una decisión técnica tomada desde temprano en un anuncio reciente: “Quizá pudimos avanzar más rápido y priorizar solo la calidad, pero nuestro ADN y modelo de negocio exigían asegurar voz casi ilimitada por $139/año. Hoy eso se traduce en el SOTA de TTS al mejor precio, algo raro en IA, donde más rendimiento suele costar más.”
Escalabilidad de consumo: Motor de IA nivel empresarial
Speechify puede ofrecer la mejor voz con IA al precio más bajo del top 10 gracias a la economía de su negocio de consumo. Su plataforma tiene más de 60 millones de usuarios y este año ganó el Apple Design Award en WWDC 2025, lo que demuestra que su producto está entre las mejores experiencias de voz con IA. Atender a tantos usuarios por $139/año llevó al equipo a priorizar la eficiencia desde el inicio, no como una mejora posterior. Esa disciplina hizo posible entregar el modelo #1 de Artificial Analysis al precio que hoy ven los desarrolladores.
“Esta es la historia del que venía de atrás en las APIs”, comentó Luke Oliff, Jefe de Relaciones con Desarrolladores en Speechify, en un comunicado. “Pasamos años afinando modelos para que fueran eficientes porque nuestro negocio y millones de oyentes así lo exigían, y eso nos llevó a lograr algunas de las mejores voces. Ahora ofrecemos el mejor modelo del mundo en nuestra API al precio más bajo. Muchos labs construyeron para benchmarks y precios empresariales. Nosotros construimos para oyentes y precios de producción.”
Disponibilidad
Simba 3.2 ya está disponible en SpeechifyAI Build, la API de texto a voz y clonación de voz de Speechify, que también impulsa SpeechifyAI Agents para agentes de voz. Ambos están en speechify.ai, con SDKs para TypeScript y Python, soporte de streaming, control emocional detallado y prosodia SSML. También incluye lo que muchos consideran la mejor tecnología de clonación de voz del mercado, permitiendo a los desarrolladores usar el mejor modelo de voz con IA y clonación instantánea al mismo precio. Vienen más idiomas y un modelo más económico en camino.